ForHosting KIT · Mathématiques

Calculateur de loi normale

Pour la loi normale centrée réduite, la densité en 0 vaut environ 0,3989, la hauteur du sommet de la cloche. Choisissez densité ou probabilité cumulée, saisissez la valeur, la moyenne et l'écart type, et obtenez le résultat avec son score z. Gratuit dans votre navigateur.

  • Gratuit
  • Fonctionne dans votre navigateur
  • Sans inscription
  • Vos données restent sur votre appareil
Utilisez-le depuis WebAPIE-mailTelegramApp bientôt
Si vous saisissez
Valeur
0
Moyenne
0
Std
1
Fonction
Pdf
Vous obtenez
Z
0
Fichier PDF
0,3989422804

La loi normale est la gaussienne en cloche que l'on retrouve dans les notes d'examen, l'erreur de mesure, le contrôle de processus et tout cadre où de nombreux petits effets indépendants s'additionnent. Deux nombres fixent la courbe : la moyenne μ, au sommet, et l'écart-type σ, qui élargit ou resserre la largeur. Une fois ces paramètres connus, deux questions distinctes reviennent sans cesse. La densité de probabilité (PDF) indique à quel point la probabilité se concentre en une valeur x choisie — la hauteur de la cloche. La fonction de répartition (CDF) indique quelle masse de probabilité se situe à ou au-dessous de x — l'aire de moins l'infini jusqu'à ce point. Ce calculateur accepte une valeur finie, une moyenne et un écart-type positif, plus un sélecteur de fonction pdf ou cdf, et renvoie le nombre correspondant avec le score z standardisé. Un écart-type nul est rejeté car une gaussienne n'est pas définie lorsque l'échelle s'effondre.

Ce que signifient PDF et CDF normales, et comment z les relie

Une loi normale N(μ, σ²) est entièrement décrite par son centre et son échelle. La moyenne μ est l'emplacement du sommet et le centre de symétrie. L'écart-type σ est une largeur positive : un σ plus grand aplatit et élargit la cloche ; un σ plus petit concentre la masse autour de la moyenne.

La valeur que vous envoyez est un point x sur cette même droite numérique. Standardisez d'abord : z égale (x moins μ) divisé par σ. Ce score unique dit à combien d'écarts-types x se situe de la moyenne, langage des tables normales imprimées et de la règle empirique 68-95-99.7.

La PDF, notée φ(x), est la hauteur de la courbe en x. Sa forme fermée est un sur σ fois la racine carrée de deux π, fois e à la puissance moins un demi z au carré. La densité n'est pas une probabilité à elle seule ; c'est une probabilité par unité de x, donc elle peut dépasser un lorsque σ est petit.

La CDF, notée Φ(z), est l'aire sous cette même courbe de moins l'infini jusqu'à x, égale à un demi fois un plus la fonction d'erreur de z sur la racine carrée de deux. On consulte la CDF pour un rang percentile, une probabilité de queue gauche ou P(X ≤ x). Choisissez function pdf lorsque vous avez besoin de la hauteur ; choisissez function cdf lorsque vous avez besoin de l'aire accumulée.

Les deux réponses partagent le même z, vous pouvez donc changer le sélecteur sans reformuler moyenne et sigma. Des requêtes telles que calculatrice de loi normale, pdf gaussienne et cdf normale aboutissent ici parce qu'elles partagent les trois mêmes nombres et ne diffèrent que par la fonction demandée.

Contrat d'entrée, formules, forme de la réponse et erreurs

Si l'écart-type est zéro, la requête échoue avec un message indiquant que la loi normale est indéfinie lorsque σ égale zéro, car diviser par σ et former une densité s'effondrent tous deux. Un écart-type négatif est rejeté de la même façon : l'échelle est une largeur positive, non une grandeur signée. Ces échecs de validation ne sont pas facturés.

La valeur critique bilatérale près de 1.96 sous moyenne nulle et σ unitaire donne une probabilité cumulée près de 0.975. Les nombres sont arrondis à douze chiffres significatifs pour que les goldens restent stables d'un environnement à l'autre.

Où un calculateur de loi normale trouve sa place

L'intention de recherche d'un calculateur de loi normale est plus large qu'une page dédiée à la CDF ou qu'un outil de score z. Élèves et enseignants veulent une seule boîte qui réponde à la fois à la hauteur de la cloche à cette note et à la fraction de la classe située à ou au-dessous de cette note, sans ouvrir deux landings distinctes.

Les générateurs de préparation d'examens et les greffons de gestion de l'apprentissage ont besoin d'un oracle déterministe pour des items de densité et de cumul qui partagent la même moyenne et le même sigma. Les ingénieurs qualité transforment une limite de spécification en densité à la limite ou en probabilité de queue gauche sous une moyenne et un sigma de processus. L'analytique produit esquisse des modèles normaux de travail pour des seuils avant quiconque ne lance une simulation.

La psychométrie relie une note brute à un rang cumulé et, plus rarement, à la densité utilisée dans les formules d'information d'item. Les carnets de finance expriment un résidu ou un niveau de rendement comme densité gaussienne ou comme P(X ≤ x) sous un modèle normal de travail. Ce n'est pas la CDF inverse (quantile ou probit), ni un calculateur de Student ou du chi-deux, ni un simple standardiseur de z — ce sont d'autres recherches.

Un calculateur frère limité à la CDF existe pour qui ne veut que Φ(x) ; cette capacité existe parce que l'on cherche aussi la densité et un calculateur combiné de loi normale. Une validation en échec ne consomme pas le solde. Gardez les requêtes petites, figez les sorties arrondies dans les tests, et vous obtiendrez des nombres gaussiens reproductibles pour les devoirs, les widgets et les edge workers sans dresser votre propre bibliothèque statistique.

Notation automatique d'examens et LMS

Notez des items PDF et CDF gaussiens avec un oracle déterministe qui refuse un écart-type nul au lieu d'inventer une densité.

Limites de processus et ébauches simples de risque

Transformez un seuil de spécification ou de rendement en φ(x) ou P(X ≤ x) sous une moyenne de processus connue et un sigma positif, sans bibliothèque statistique.

Quelle est la différence entre la PDF normale et la CDF ?

La PDF φ(x) est la hauteur de la cloche en x (densité de probabilité, pas une probabilité). La CDF Φ(x) est l'aire de −∞ à x, égale à P(X ≤ x). Choisissez function pdf ou cdf selon le cas.

Que se passe-t-il si l'écart-type est zéro ?

Une loi normale exige σ > 0 ; lorsque l'échelle est nulle, la densité et le score z sont indéfinis.

Quelle formule le calculateur utilise-t-il ?

Les deux chemins partent de z = (x − μ) / σ. La PDF est 1/(σ√(2π)) · exp(−½z²). La CDF est ½ (1 + erf(z / √2)), évaluée avec une approximation classique de la fonction d'erreur.

Combien coûte le calculateur de loi normale ?

L'outil du navigateur est gratuit et s'exécute en local.

La densité peut-elle dépasser 1 ?

Oui. La densité n'est pas une probabilité mais une probabilité par unité de x, elle peut donc dépasser 1 quand l'écart type est petit. La probabilité cumulée, elle, reste toujours entre 0 et 1.

Tout sur cette page est disponible par programmation. Cette section s'adresse aux équipes qui veulent l'intégrer à leurs systèmes ; les autres peuvent simplement utiliser l'outil ci-dessus.

POSThttps://api.kit.forhosting.com/stat/normal-distribution

Authentification par jeton Bearer : un seul POST met la tâche en file d’attente, et le résultat vous parvient par webhook ou lien signé.

curl -X POST https://api.kit.forhosting.com/stat/normal-distribution \
  -H "Authorization: Bearer $KIT_KEY" \
  -H "Content-Type: application/json" \
  -d '{"value":0,"mean":0,"std":1,"function":"pdf"}'
{
  "value": 0,
  "mean": 0,
  "std": 1,
  "function": "pdf"
}
{
  "task_id": "tsk_a1b2c3d4e5f6a1b2c3d4e5f6",
  "type": "stat.normal_distribution",
  "status": "queued",
  "_links": {
    "result": "/tasks/tsk_…/result"
  }
}

L’API est asynchrone : chaque appel renvoie un task_id immédiatement, puis vous interrogez l’état à raison d’une requête par seconde.

par requête$0.002

Le prix est publié, sans tokens ni crédits. Une tâche qui échoue n’est pas facturée.

HTTPCodeSignification
401unauthorizedClé API absente ou invalide : vérifiez l’en-tête Authorization.
402insufficient_balanceSolde insuffisant : rechargez votre compte pour lancer cette tâche.
404unknown_typeType de tâche inconnu : vérifiez le champ type de votre requête.
429rate_limitedTrop de requêtes : ralentissez la cadence, puis réessayez.

Contrat d'entrée, formules, forme de la réponse et erreurs

Envoyez par POST un corps JSON à quatre champs. value est l'observation x, un nombre fini ; l'alias x est accepté si vous préférez la nomenclature des manuels. mean est le centre fini μ ; l'alias mu est accepté. std est l'écart-type σ et doit être un nombre fini strictement supérieur à zéro ; les alias sd, standard_deviation et sigma sont acceptés pour que le vocabulaire de cours et celui de l'API fonctionnent. function est obligatoire et doit être exactement pdf ou cdf — un enum fermé, pas du texte libre, afin que le formulaire affiche un select et que l'appelant ne puisse pas inventer un troisième mode. Champs manquants, chaînes vides, NaN et Infinity échouent avec invalid_input en nommant le champ. En cas de succès, le corps répète value, mean et std nettoyés, renvoie z comme (value − mean) / std, répète la function choisie et inclut soit pdf (la densité) soit cdf (la probabilité cumulée dans l'intervalle unitaire fermé), plus une courte chaîne de formule. Les contrôles classiques comprennent la normale centrée réduite en value zéro avec function pdf, qui donne la densité un sur la racine de deux π, environ 0.3989, et les mêmes entrées avec function cdf, qui donnent un demi. Le tarif des appels API réussis est la base publiée de $0.002 par item ; les échecs de validation ne consomment pas le solde prépayé.

Où un calculateur de loi normale trouve sa place

Cette page est la landing gaussienne générale : choisissez pdf ou cdf, envoyez value, mean et un écart-type positif, et obtenez une réponse JSON stable. Comme l'implémentation est un parse pur de palier A, chaque appel réussi coûte le tarif de base publié de $0.002 sans jetons de modèle ni réseau sortant.

Contrôles de densité et de percentile en classe

Laissez les élèves envoyer une note, la moyenne de la classe et sigma, puis basculer function entre pdf (hauteur de la cloche) et cdf (rang de queue gauche) sur le même z.

Comment évaluer la normale centrée réduite ?

Fixez mean à 0 et std à 1, puis envoyez toute value finie. function pdf en 0 donne environ 0.3989 ; function cdf en 0 donne 0.5 ; function cdf près de 1.96 donne environ 0.975.

Consulter la documentation complète du KIT →